Свържете се с нас

Съдържание и теми, включени в курса

Въведение

  • Дефиниране на предиктивния ИИ
  • Исторически контекст и еволюция на предиктивната аналитика
  • Основни принципи на машинното обучение и извличането на данни

Събиране и предварителна обработка на данни

  • Набиране на релевантни данни
  • Почистване и подготовка на данните за анализ
  • Разбиране на типовете данни и източници

Изследователски анализ на данни (EDA)

  • Визуализиране на данни за прозрения
  • Описателна статистика и обобщаване на данни
  • Идентифициране на модели и връзки в данните

Статистическо моделиране

  • Основи на статистическото заключение
  • Регресионен анализ
  • Класификационни модели

Алгоритми за машинно обучение за прогнозиране

  • Преглед на алгоритмите за обучение с учител
  • Дървета на решенията и случайни гори
  • Основи на невронните мрежи и дълбокото обучение

Оценка и избор на модел

  • Разбиране на точността на модела и показателите за ефективност
  • Техники за кръстосано валидиране
  • Прекомерно нагаждане и настройка на модела

Практически приложения на предиктивния ИИ

  • Казуси от различни индустрии
  • Етични съображения при предиктивното моделиране
  • Ограничения и предизвикателства на предиктивния ИИ

Практически проект

  • Работа с набор от данни за създаване на предиктивен модел
  • Прилагане на модела за извършване на прогнози
  • Оценка и интерпретация на резултатите

Обобщение и следващи стъпки

Изисквания

  • Разбиране на основната статистика
  • Опит с който и да е програмен език
  • Запознатост с обработката на данни и електронни таблици
  • Не се изисква предишен опит в ИИ или науката за данните

Аудитория

  • ИТ специалисти
  • Анализатори на данни
  • Технически персонал
 21 Часа

Брой участници


Цена за участник

Отзиви от участници (3)

Предстоящи Курсове

Свързани Kатегории